软件老化分析

软件老化

课程:软件质量分析



作业

请添加图片描述
请添加图片描述


解答

Python代码如下:

n = int(input("类别数:"))
theta = list(map(float, input("各个类别的权重:").split()))
m = list(map(int, input("各个类别的度量元数量:").split()))
R = []
BETA = []
for i in range(n):
    beta = list(map(float, input("第{0}个类别-各个度量元的权重:".format(i + 1)).split()))
    r = list(map(float, input("第{0}个类别-各个度量元的该时刻最大风险值:".format(i + 1)).split()))
    BETA.append(beta)
    R.append(r)

import math
Hs = []
Us = []
for i in range(n):
    H = 0
    for j in range(m[i]):
        H += BETA[i][j] * math.log10(R[i][j])
    U = max(10 * math.exp(-H), 1)
    Hs.append(H)
    Us.append(U)

print("各类别的熵:{0}".format(Hs))
print("各类别的可信值:{0}".format(Us))
T = 1
for i in range(n):
    T *= math.pow(Us[i], theta[i])
print("可信值:{0}".format(T))

运行结果如下:

# 当t=0时
类别数: 5
各个类别的权重: 0.539 0.125 0.238 0.049 0.049
各个类别的度量元数量: 15 4 7 2 21个类别-各个度量元的权重: 0.0506 0.1845 0.0238 0.0238 0.0774 0.0774 0.0774 0.0238 0.0238 0.0506 0.0506 0.0238 0.0238 0.1042 0.18451个类别-各个度量元的该时刻最大风险值: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 12个类别-各个度量元的权重: 0.25 0.25 0.25 0.252个类别-各个度量元的该时刻最大风险值: 1 1 1 13个类别-各个度量元的权重: 0.2340 0.1064 0.1064 0.2340 0.1064 0.1064 0.10643个类别-各个度量元的该时刻最大风险值: 1 1 1 1 1 1 14个类别-各个度量元的权重: 0.2 0.84个类别-各个度量元的该时刻最大风险值: 1 15个类别-各个度量元的权重: 0.1 0.95个类别-各个度量元的该时刻最大风险值: 1 1
各类别的熵:[0.0, 0.0, 0.0, 0.0, 0.0]
各类别的可信值:[10.0, 10.0, 10.0, 10.0, 10.0]
可信值: 10.0

# 当t=10时
类别数: 5
各个类别的权重: 0.539 0.125 0.238 0.049 0.049
各个类别的度量元数量: 15 4 7 2 21个类别-各个度量元的权重: 0.0506 0.1845 0.0238 0.0238 0.0774 0.0774 0.0774 0.0238 0.0238 0.0506 0.0506 0.0238 0.0238 0.1042 0.18451个类别-各个度量元的该时刻最大风险值: 7 7 9 7 7 4 7 9 7 1 7 9 1 4 72个类别-各个度量元的权重: 0.25 0.25 0.25 0.252个类别-各个度量元的该时刻最大风险值: 7 7 7 93个类别-各个度量元的权重: 0.2340 0.1064 0.1064 0.2340 0.1064 0.1064 0.10643个类别-各个度量元的该时刻最大风险值: 7 10 7 9 4 10 44个类别-各个度量元的权重: 0.2 0.84个类别-各个度量元的该时刻最大风险值: 9 75个类别-各个度量元的权重: 0.1 0.95个类别-各个度量元的该时刻最大风险值: 7 9
各类别的熵: [0.7458799513127149, 0.8723841573705238, 0.8518824861842456, 0.8669269338992704, 0.9433280624968181]
各类别的可信值: [4.743167406123722, 4.1795389258142865, 4.266110860961348, 4.20240995313211, 3.893299624085329]
可信值: 4.481945667961918

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/943288.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Jenkins 构建流水线

在 Linux 系统上安装 Jenkins 服务,以及配置自动化构建项目 前置准备环境:docker、docker-compose、jdk、maven 一、环境搭建 1. Jenkins 安装 (1)拉取镜像 # 安装镜像包,默认安装最新版本 docker pull jenkins/jen…

5G学习笔记之Non-Public Network

目录 0. NPN系列 1. 概述 2. SNPN 2.1 SNPN概述 2.2 SNPN架构 2.3 SNPN部署 2.3.1 完全独立 2.3.2 共享PLMN基站 2.3.3 共享PLMN基站和PLMN频谱 3. PNI-NPN 3.1 PNI-NPN概述 3.2 PNI-NPN部署 3.2.1 UPF独立 3.2.2 完全共享 0. NPN系列 1. NPN概述 2. NPN R18 3. 【SNPN系列】S…

若依plus apifox导入接口显示为空

项目已经正常启动 访问接口有些没问题,有些有问题 其他模块都可以正常导入 解决:

elementPlus消息组件多按钮案例

let customClass zsl-el-message-box efb.messageBox({title: 操作提示,showConfirmButton: false,customClass,message: efb.VNode(div, null, [efb.VNode(style, null, .${customClass} .el-message-box__message {width: 100%;}),efb.VNode(div, null, hello world),efb.VN…

计算机网络:应用层 —— 网络应用模式

文章目录 客户—服务器方式和对等方式客户/服务器方式 (C/S方式)工作流程特点 对等方式 (P2P方式)工作流程P2P 应用特点 客户—服务器方式和对等方式 网络应用程序运行在处于网络边缘的不同的端系统上,通过彼此间的通信来共同完成某项任务。 开发一种新的网络应用…

科技创新 数智未来|清科·沙丘投研院走进竹云

12月20日,清科沙丘投研院带领企投家团队走进竹云交流分享,聚焦技术创新、企业数字化管理、行业前沿应用案例等热点议题,深入探讨数字技术如何点燃企业高质量发展的澎湃动力,共话企业数字化、智能化发展之道。 达晨财智股权管理部…

外连接转AntiJoin的应用场景与限制条件 | OceanBase SQL 查询改写系列

在《SQL 改写系列:外连接转内连接的常见场景与错误》一文中,我们了解到谓词条件可以过滤掉连接结果中的 null 情形的,将外连接转化为内连接的做法是可行的,正如图1中路径(a)所示。此时,敏锐的你或许会进一步思考&#…

Java - 日志体系_Apache Commons Logging(JCL)日志接口库

文章目录 官网1. 什么是JCL?2. JCL的主要特点3. JCL的核心组件4. JCL的实现机制5. SimpleLog 简介6. CodeExample 1 : 默认日志实现 (JCL 1.3.2版本)Example 2 : JCL (1.2版本) Log4J 【安全风险高,请勿使用】 7. 使用…

mavlink移植到单片机stm32f103c8t6,实现接收和发送数据

前言: 好久没更新博客了,这两个月真的是异常的忙,白天要忙着公司里的事,晚上还要忙着修改小论文,一点自己的时间都没有了,不过确确实实是学到了很多东西,对无人机的技术研究也更深了一些。不过好…

GitLab的安装与卸载

目录 GitLab安装 GitLab使用 使用前可选操作 修改web端口 修改Prometheus端口 使用方法 GitLab的卸载 环境说明 系统版本 CentOS 7.2 x86_64 软件版本 gitlab-ce-10.8.4 GitLab安装 Gitlab的rpm包集成了它需要的软件,简化了安装步骤,所以直接…

子网掩码计算route命令

子网掩码 - 站长工具 1.子网掩码 子网掩码就是用来遮掩IP地址并划分网段的工具,根据遮掩的位数不同来划分不同的网段。 2.网关 网关(Gateway)又称网间连接器、协议转换器。默认网关在网络层上以实现网络互连,是最复杂的网络互连设备,仅用…

基本操作:iframe、alert

背景 如果你的目标元素出现在一个iframe标签下,则不能直接定位,必须先完成切换才能进行定位操作,如下图 整个理解为一个大的房间,里面是客厅,driver进到客厅后,如果想操作iframe A里的数据,需…

【再学javascript算法之美】前端面试频率比较高的基础算法题

基础算法题练习代码&#xff0c;看看能做出几道题 代码实现 找出字符串中出现次数最多的字符 const array "cncnansdnajsadnjasndjnasjdnjj";// 找出出现次数最多的字符 let obj {}; for (let index 0; index < array.length; index) {const element array[…

flask后端开发(8):Flask连接MySQL数据库+ORM增删改查

目录 数据库初始化数据库连接创建数据库表添加用户查询用户更新用户删除 在Flask中&#xff0c;很少会使用pymysql直接写原生SQL语句去操作数据库&#xff0c;更多的是通过SQLAichemy提供的ORM技术&#xff0c;类似于操作普通Python对象一样实现数据库的增删改查操作&#xff0…

视频会议是如何实现屏幕标注功能的?

现在主流的视频会议软件都有屏幕标注功能&#xff0c;屏幕标注功能给屏幕分享者讲解分享内容时提供了极大的方便。那我们以傲瑞视频会议&#xff08;OrayMeeting&#xff09;为例&#xff0c;来讲解屏幕标注是如何实现的。 傲瑞会议的PC端&#xff08;Windows、信创Linux、银河…

使用Streamlit部署机器学习模型

机器学习&#xff1a; 计算机能够从经验中学习&#xff0c;而无需明确编程。机器学习是目前最热门的领域之一&#xff0c;世界各地的顶级公司都在使用它来改善他们的服务和产品。但是没有使用在Jupyter Notebook中训练的机器学习模型。因此&#xff0c;我们需要部署这些模型&am…

解线性方程组

直接三角分解&#xff08;LU分解&#xff0c;Doolittle分解&#xff09; ATM分解&#xff08;追赶法&#xff0c;Crout分解&#xff0c;克劳特分解&#xff09; 平方根法&#xff08;Cholesky分解&#xff0c;乔列斯基分解&#xff09; 矩阵的范数

聊一聊 C#前台线程 如何阻塞程序退出

一&#xff1a;背景 1. 讲故事 这篇文章起源于我的 C#内功修炼训练营里的一位朋友提的问题&#xff1a;后台线程的内部是如何运转的 ? &#xff0c;犹记得C# Via CLR这本书中 Jeffery 就聊到了他曾经给别人解决一个程序无法退出的bug&#xff0c;最后发现是有一个 Backgrond…

带着国标充电器出国怎么办? 适配器模式(Adapter Pattern)

适配器模式&#xff08;Adapter Pattern&#xff09; 适配器模式适配器模式&#xff08;Adapter Pattern&#xff09;概述talk is cheap&#xff0c; show you my code总结 适配器模式 适配器模式&#xff08;Adapter Pattern&#xff09;是面向对象软件设计中的一种结构型设计…

【技术实战】R语言统计分析与可视化从入门到精通

前言 随着大数据时代的到来&#xff0c;数据分析已经成为各行各业的重要技能。R语言作为一种强大的统计分析和数据可视化工具&#xff0c;广泛应用于科学研究、数据分析和商业决策支持。 本文将带领读者从入门到精通&#xff0c;掌握R语言在统计分析和数据可视化方面的核心技…